Alta Calidad
Educativa
Bonificable
para empresas
Plataforma
Interactiva
Flexibilidad
Horaria
Este curso abarca los conceptos fundamentales de las redes neuronales convolucionales (CNN), su arquitectura inspirada en la corteza visual de los mamíferos y su aplicación en reconocimiento de objetos. Se analizan las capas convolucional, de agrupación y totalmente conectada, además de las ventajas y desafíos de las CNN. También se discuten técnicas para evitar el sobreajuste y optimizar la precisión del modelo.
- Comprender la arquitectura y el funcionamiento de las redes neuronales convolucionales (CNN).
- Aprender a diseñar y optimizar modelos de CNN para el reconocimiento de objetos.
- Aplicar técnicas para mitigar el sobreajuste y mejorar la precisión del modelo.
- Dedicado a expertos: A investigadores y desarrolladores en inteligencia artificial interesados en profundizar en redes neuronales convolucionales.
- Dedicado a profesionales: A ingenieros y técnicos en procesamiento de imágenes y visión por computadora que buscan aplicar CNN en sus proyectos.
- Dedicado a todas las personas: A quienes deseen entender cómo las CNN transforman el reconocimiento de objetos y otras aplicaciones cotidianas.
1. Redes neuronales convolucionales
- Capas de redes neuronales convolucionales
- Características de las redes neuronales convolucionales
- Ventajas de las redes neuronales convolucionales
- Desventajas de las redes neuronales convolucionales
2. Modelado, arquitectura y sobreajuste
- Modelar una red convolucional
- Arquitecturas más comunes
- Sobreajuste y regularización
3. Aplicación de las redes neuronales convolucionales
- Paralelismo con el sistema visual humano
- Implementación redes neuronales convolucionales